Vergleich von Lidar-Punktwolken und photogrammetrischer Bitcoin-Brieftasche

Luftlidar und Photogrammetrie sind praktikable Methoden zur Erfassung von Punktwolken für die 3D-Modellierung von harten Strukturen, die vom Menschen hergestellt werden. Obwohl beide Methoden Punktwolken erzeugen, unterscheidet sich die Art und Weise, wie Daten erfasst werden, in vielerlei Hinsicht, was zu Punktwolken mit unterschiedlichen Eigenschaften führt. In diesem Artikel bewertet der Autor Lidar-Wolken und photogrammetrische Punkte, die von unbemannten Antennensystemen erfasst wurden, um eine Hochwasserschutzstruktur zu untersuchen.

Der New Orleans Bezirk des US Army Corps of Engineers. UU (USACE) hat kleine unbemannte Luftsysteme (UASS) für Landvermessungen, Umweltüberwachung, Strukturuntersuchungen und andere Anwendungen eingesetzt. Die Eigenschaften einer UAS-Plattform können sich jedoch erheblich von denen einer anderen unterscheiden, und dies gilt auch für die Vielzahl der Sensoren.


Um die Hauptunterschiede zwischen den vom UAS-Lidar erzeugten Punktwolken und der UAS-Photogrammetrie zu identifizieren, wurde ein Vergleich mit einer Hochwasserschutzstruktur als Teststandort durchgeführt. Teststandort und Sensoren.

Die Hochwasserschutzanlage befindet sich im Zentrum von Louisiana und soll den Wasserfluss vom Mississippi zum Atchafalaya-Fluss regulieren. Die Struktur wird routinemäßig auf Verformungen und andere Schäden überprüft. Diese Studie umfasste zwei Arten von Sensoren: einen luftgestützten Laserscanner RIEGL VUX-1UAV und eine RGB-Kamera. Der verwendete Laserscanner ist kompakt (227 x 180 x 125 mm), leicht (3,5 kg) und erfasst bis zu einer halben Million Messungen pro Sekunde mit einer Genauigkeit von 10 mm. Auf einem RIEGL-Hubschrauber, einem Octocopter mit einer Bitcoin-Gabel mit einer maximalen Flugdauer von 30 Minuten, wiegt er etwa 25 kg, ist das Sichtfeld 230 Grad.

Um Bilder vom oberen Teil der Struktur aufzunehmen, wurde eine G9X-RGB-Kamera mit 20 mx auf einem Ebee montiert, einem UAS mit festem Flügel und einer Flügelspannweite von 96 cm und einem Gewicht von 0,7 kg, einschließlich Kamera und Akku . Das Ebbe kann bis zu 40 Minuten in der Luft bleiben. Um Bilder von den Seiten der Struktur aufzunehmen, wurde die integrierte 38 MBx RGB-Albris-Kamera verwendet. Der Albris ist ein V-förmiger Quadrocopter mit einem Gewicht von 1,77 kg (einschließlich Batterie, Nutzlast und Schutz), der bis zu 22 Minuten in der Luft bleiben kann. Ihr Dreifach-Kamerakopf ermöglicht es Ihnen, zwischen Pay und Paypal zwischen HD- und Thermal-Video zu wechseln. Sowohl das Ebee als auch das Albris sind Sensefly-Plattformen. Für die Georeferenzierung der Punktwolken wurden acht Bodenkontrollpunkte (gps) angeordnet: vier auf jeder Seite der Struktur (Abbildung 1). Die GCP-Objektive wurden vor dem Flug platziert und mit einem Echtzeit-Kinematik-GNSS-Empfänger (RTK) R10 bei 180-Sekunden-Beobachtungen durch GCP untersucht. Behandlung

Die Bestimmung einer Punktewolke aus überlagerten Bildern erfordert die Verwendung von Bildanpassungsalgorithmen. Die verwendete photogrammetrische Verarbeitungssoftware war pix4d. Der Abtastabstand am Boden (GSD) wurde für die mit der Ebbe aufgenommenen Bilder auf 3,5 cm und für die Albris etwas geringer eingestellt. Diese kleine GSD führte zu einer dichten Punktewolke. Die Bilder des oberen Teils der Struktur, die vom ebee erfasst wurden, und die Bilder der Seiten der Struktur, die mit der Albris erfasst wurden, wurden zusammen in demselben pix4d-Projekt verarbeitet, wobei jeweils die gleichen GPS-Elemente verwendet wurden. Die resultierende photogrammetrische Punktwolke erfasst die gesamte Hochwasserschutzstruktur.

Punktwolken wurden in Bezug auf Dichte, Abstand der Punkte, Anzahl der Punkte und Positionsgenauigkeit sowie Standard-, Minimal-, Maximal- und Durchschnittsabweichung der X-, Y- und Z-Koordinaten verglichen Prüfen Sie, ob die LIDAR-Punktwolke und die photogrammetrische Punktwolke den gleichen Raum abdecken. Die Wolke der photogrammetrischen Punkte hat eine Dichte von 178 Punkten / m2, während dieser Wert für LIDAR 135 beträgt. Der Abstand der photogrammetrischen Punkte beträgt 3,6 cm und für Lidar 4,6 cm. Die photogrammetrische Punktwolke besteht aus etwas mehr als 13 Millionen Punkten, und für die Lidar-Punktwolke sind es fast zehn Millionen. Die horizontale Ausdehnung ist für beide Punktwolken (Tabellen 1 und 2) sehr ähnlich, was zeigt, dass die beiden Punktwolken ungefähr dieselbe horizontale Ebene abdecken. Die Z-Koordinate zeigt, wie gut die beiden Punktwolken vertikal ausgerichtet sind (Tabelle 3). Die Differenz der Minimalwerte von Z beträgt 1,18 m. Aufgrund des Wassers, das entlang der Struktur fließt, enthält die Wolke der Bitcoin-Wallet-Adresse für photogrammetrische Punkte viele Störpunkte am unteren Rand der Struktur. Während beide Punktwolken den unteren Rand der Struktur erfolgreich erfassen, wurden die Punkte entlang der Unterseite während der Datenbereinigung aus der Wolke der photogrammetrischen Punkte entfernt, was den Unterschied in den minimalen Z-Werten erklärt . Die Differenz der maximalen Z-Werte (0,28 m) ist darauf zurückzuführen, dass die photogrammetrische Punktwolke nicht das gesamte Geländer umfasst, das sich entlang der Struktur erstreckt, während die Wolke der Lidar-Punkte dies tut. tut

Um zu bestimmen, wie gut die beiden Punktwolken räumlich ausgerichtet sind, wurde das Cloud-Cloud-Abstandstool verwendet. Das Tool nimmt eine Wolke von Vergleichspunkten und eine Wolke von Orientierungspunkten und ermittelt die Entfernung des nächsten Nachbarn zwischen den beiden. Diese Abstände werden durch eine farbige Punktwolke visualisiert. Der kürzeste Abstand (Abbildung 2) beträgt 0,2 mm, der höchste Abstand 6,5 m. Nahezu 95% der Abstände liegen zwischen 0,2 mm und 0,8 m, während 0,0106% der Abstände im Bereich zwischen 5,7 m und 6,5 m liegen. Das Dach der Struktur zeigt die größte räumliche Übereinstimmung zwischen den beiden Punktwolken mit den meisten Entfernungen von weniger als 15 cm. Eine visuelle Inspektion zeigt, dass die Wolke der Lidar-Punkte weniger Lärm und Unordnung aufweist und saubere Oberflächen entlang des Decks und der Federn mit schärferen Kanten zeigt. Dies sind Funktionen, die es einfacher machen, genaue Messungen vorzunehmen, ein 3D-Netz zu erstellen oder ein digitales Oberflächenmodell zu interpolieren. Die Wolke der rohen photogrammetrischen Punkte erfordert eine umfassende Reinigung. Die Bereinigung der Punktwolke wurde manuell durchgeführt, indem die Störpunkte abgeschnitten und die fehlenden Punkte automatisch anhand ihres RGB-Werts klassifiziert und eliminiert wurden. Die Bereinigung führte zu einem sauberen Modell mit sehr wenigen Störpunkten (Abbildung 3). Schlussbemerkungen

Beide Methoden haben es geschafft, die Struktur genau zu erfassen. Der Lidar-Ausflug dauerte viel weniger Zeit zum Erfassen und Verarbeiten und lieferte eine saubere und scharfe Punktewolke, mit der es leicht war, mit dem Kurs-Chart der Bitcoin-Aktie zu arbeiten. Ein Lidarscanner ist ein aktiver Sensor, er ist daher unempfindlich gegen umgebendes Wasser und kann Oberflächen innerhalb der Struktur messen. Das Sammeln und Verarbeiten von photogrammetrischen Daten dauerte etwas länger und die Punktewolke musste gründlich gereinigt werden. Die photogrammetrische Verarbeitung basiert auf identifizierbaren Merkmalen, die in Bildsequenzen kombiniert werden. Da der Oberfläche des Wassers keine erkennbaren Eigenschaften aufweisen, versagt die photogrammetrische Verarbeitung in diesen Bereichen. Dies führt zu Lücken und manchmal zu Störstellen, die sich weit oberhalb und unterhalb der Wasserausdehnung des Körpers erstrecken. Das Beseitigen dieser fehlenden Punkte kann zeitaufwändig und schwierig sein. Die RGB-Werte des schlecht platzierten Wasserkörperpunkts könnten mit CloudCompare-Software unterschieden und aus der Punktewolke entfernt werden.